亚马逊云基础大模型：从Bedrock平台到Nova系列的战略演进
一、从EC2算力到基础模型：亚马逊云AI能力的范式跃迁
说起亚马逊云在人工智能领域的布局，很多人第一反应可能是EC2上那些挂着GPU的算力实例，或者是SageMaker里跑着的训练作业。但过去两年多的时间里，这家全球最大的云服务商悄悄完成了一次能力层级的跃迁——从提供算力基础设施，到直接交付基础模型（Foundation Model，简称FM）本身。
基础模型，简单说就是那些在海量数据上完成预训练的大规模机器学习模型。它们不是针对某个具体任务训练的，而是学会了语言、图像、视频这些模态的通用规律，开发者拿到之后稍作定制就能应付各种场景。亚马逊云把这件事做得相当彻底——2023年4月推出Amazon Bedrock服务，把自研的和第三方的模型全部装进一个托管平台里。到2026年中，Bedrock的模型目录已经覆盖了18家模型提供商、超过110种可独立调用的模型变体。这个数字放在整个行业里看，也是相当可观的。
亚马逊云在基础大模型这条路上走得并不算最早，但它的打法有自己的逻辑——不押注单一模型，而是把选择权交给用户，自己则牢牢守住模型底下的那一层：算力、存储、安全、合规、Agent运行平台。
二、Amazon Bedrock：一个平台，上百种模型
Bedrock这个命名很有意思——基石。亚马逊想表达的是，这个平台是整个生成式AI应用的底座。它把模型访问、Agent构建、知识库、安全护栏、成本优化这些能力全部打包在一起，开发者通过统一的API就能调用各种模型。
具体来说，Bedrock提供了几个核心能力板块。第一是模型选择。用户可以在一个控制台里对比Anthropic的Claude系列（包括Sonnet 4.6和Opus 4.6）、Meta的Llama、Mistral、Cohere，以及亚马逊自研的Nova和Titan系列。2026年还新增了OpenAI的GPT-5.5、GPT-5.4和Codex。选模型这件事变得跟逛超市一样——看性能、看价格、看场景，挑好了直接用。
第二是自定义能力。企业可以用自己的数据对模型进行微调，或者通过知识库（Knowledge Bases）做检索增强生成（RAG），让模型回答问题时能引用企业内部的私有文档。第三是安全与合规。Bedrock提供了Guardrails护栏功能，可以屏蔽最多88%的有害内容，并通过自动推理检查以最高99%的准确率识别模型回应中的幻觉问题。数据方面，Bedrock承诺不会存储用户的任何数据，也不会用这些数据去训练模型。合规认证覆盖了ISO、SOC、CSA STAR Level 2、GDPR、FedRAMP High，并且符合HIPAA要求。
第四是成本与性能优化。模型蒸馏可以把运行速度提升5倍、成本降低75%；智能提示路由可以在保持输出质量的同时把成本压下去30%。这些优化手段对于大规模生产环境来说，省下来的可不是小数目。
到2026年第一季度，Bedrock的客户支出环比增长了170%，单季度的token处理量超过了之前所有年份的总和。全球超过10万个组织正在通过Bedrock获得生成式AI能力。这个数字说明了一件事：企业不再满足于“试试看”，而是真正把大模型用到了生产环境里。
三、Nova与Titan：亚马逊自研模型的两条线
亚马逊云的自研模型分两条线在走。一条是Titan，2023年4月随Bedrock一同推出，是亚马逊最早的自研大语言模型。Titan包含文本生成模型和嵌入模型，其中Titan Text Premier支持42,000个token的上下文窗口。另一条是Nova，2024年12月发布，定位更高——覆盖文本、图像、视频、语音和多模态AI。
Nova家族的阵容原本相当庞大。理解模型分四个档次：Micro是纯文本模型，速度快、成本低；Lite和Pro是多模态模型，能处理文本、图像、视频输入并生成文本输出；Premier是最高端的多模态模型。创意生成方面有Canvas（图像生成）和Reel（视频生成，最长2分钟多镜头）。还有Nova多模态嵌入模型，支持文本、文档、图像、视频、音频五种模态的统一嵌入；Nova Sonic做语音到语音的对话；Nova Act则是能在浏览器里自动操作界面的AI智能体。
Nova系列还有一个特点——性价比。亚马逊官方称其提供了“前沿智能和行业领先的性价比”。支持200多种语言，其中15种做了深度优化。这些模型全部通过Bedrock的API对外提供服务。
Titan和Nova的区别，大概可以这么理解：Titan是亚马逊在基础模型赛道上的“第一代产品”，解决的是“有没有”的问题；Nova是“第二代”，解决的是“好不好”和“全不全”的问题。但从2026年中的情况来看，这两条线都面临着一个共同的转折点。
四、战略转弯：从Nova多线并进到FMR集中攻坚
2026年7月，一则消息震动了整个AI圈——亚马逊正在大幅调整AI战略，逐步停止大部分Nova旗舰模型的研发。被调整的包括Premier、Omni这些高端多模态模型，以及Reel视频生成模型、Canvas图像生成模型。内部员工用“KTLO”来形容这些模型的状态——Keep The Lights On，意思是维持现有客户服务，但不再投入核心研发资源。
但这不意味着亚马逊放弃了自研模型。保留的产品包括Nova 2 Sonic、Nova 2 Lite两款基础模型、模型定制工具Nova Forge，以及AI智能体技术Nova Act。更重要的是，亚马逊把全部精力集中到了一个内部代号为FMR（Frontier Model Research，前沿模型研究）的全新旗舰基础模型项目上。这个项目由人工智能领域资深研究员Pieter Abbeel牵头，已被定为亚马逊AGI部门的最高优先级研发任务。全新自研前沿大模型计划于2026年秋季的AWS re:Invent全球大会上正式亮相。
这次战略调整背后的逻辑并不复杂。训练一个世界级的基础模型，需要消耗数十万张GPU、数百亿美元的资本支出，以及持续数月甚至更长时间的训练周期。AWS在2026年的资本支出可能达到1650亿美元，同比增长超过70%，主要用于数据中心、芯片、电力和冷却设施。在多条模型线上分散投入，不如集中火力打穿一个点。亚马逊在自研模型上承认了“在最大规模、最高要求的工作负载上，还没有站在最前沿”。FMR就是用来解决这个问题的——不是修修补补，而是重新来过。
从组织层面看，这次调整也伴随着权力更迭。AGI部门从2023年成立时的Rohit Prasad领导，到2025年12月交棒给高级副总裁Peter DeSantis。DeSantis的风格比前任更聚焦，把分散的工程师和算力收拢到少数前沿项目上。亚马逊官方发言人回应说，公司会持续运维已商用的全部AI模型，保障存量客户业务稳定运行，同时结合市场与客户需求动态优化AI产品矩阵。
这场战略转弯说明了一个问题：在大模型这场竞赛里，广度不如深度，铺摊子不如打深井。
五、算力底座：Trainium、UltraServers与SageMaker HyperPod
模型再好，也得有算力跑。亚马逊云在基础大模型上的另一个核心优势，是它从芯片到集群到训练平台的全栈自研能力。
芯片层面，AWS自研的Trainium专门用于模型训练，Inferentia专门用于推理。EC2 UltraServers通过将大量加速器用高带宽、低延迟的互连连接起来，提供比独立EC2实例更多的计算和内存，支持对数千亿到数万亿参数规模的模型进行高效训练和推理。Trn3 UltraServer可提供高达20.7TB的HBM3e内存和706TB/s的总内存带宽，支持更大的批处理规模、扩展的上下文窗口。
训练平台方面，SageMaker HyperPod是专门为大规模开发、训练和部署基础模型构建的基础设施。它提供弹性高性能环境，内置容错能力、自动化集群恢复和优化的分布式训练库，减少了管理大规模AI基础设施的繁琐工作。AWS AI Factories则提供了专门的计算基础设施，配合NVIDIA GPU和UltraCluster，可以处理大规模数据集来训练先进AI模型。
推理层面，G5实例相比G4dn实例在ML训练性能上提升了3.3倍。G7e实例可用于部署大语言模型、Agentic AI模型、多模态生成式AI模型和物理AI模型。
这套基础设施不仅服务于亚马逊自己的模型训练，也通过Bedrock向所有使用平台模型的客户提供推理服务。换句话说，无论用户选Claude还是Llama还是Nova，底下的算力跑的都是一套经过大规模验证的AWS基础设施。
六、平台中立与生态开放：亚马逊云的独特定位
在基础大模型的竞争格局里，亚马逊云有一个其他玩家不容易复制的特点——平台中立。它不像某些云厂商那样只推自己的模型，而是把Anthropic、Meta、Mistral、Cohere、AI21、Stability AI，甚至OpenAI的模型全部接入Bedrock。2026年模型提供商从6家猛增到18家。
这种开放姿态背后的商业逻辑很清晰：亚马逊不靠卖模型赚钱，靠的是模型跑起来之后消耗的算力、存储、网络和安全服务。模型越多样、用户越活跃，底层AWS资源的消耗就越大。在模型能力逐渐同质化的趋势下，这种“平台+生态”的模式反而比押注单一模型更稳健。
对企业用户来说，这种开放性带来的实际好处是——不会被任何一家模型供应商锁定。今天用Claude效果好就用Claude，明天Llama出新版本性价比更高就切Llama，代码几乎不用改。Bedrock的评估工具还能帮助用户在不同模型之间做性能和成本的量化对比。这种灵活性，在AI技术日新月异的当下，可能比单纯追求“最强模型”更有长期价值。
从2026年的情况来看，亚马逊云在基础大模型这条路上走了一条跟竞争对手不太一样的路——不全押自研、不排斥竞品、不强迫用户站队，而是把选择权交给市场，自己则安心做好底层的“水电煤”。这种策略在Nova战略调整之后变得更加清晰：自研模型集中攻坚FMR，第三方模型继续广纳百川，两条腿走路，互不耽误。
上海汪远信息科技有限公司是国内深耕多年的综合型多云服务合作商，业务覆盖阿里云、腾讯云、华为云、天翼云、火山云、微软云、谷歌云、亚马逊云八大主流公有云平台。公司现有全职员工500人，八大云平台全年综合销量突破20亿人民币，累计服务超100万合作客户，累计助力企业部署云服务器近1亿台。其中亚马逊云单平台年销量达5000万美金，作为头部一级代理商，通过上海汪远信息科技开通亚马逊云可享受8.5折优惠或15%返佣。为更好地服务国际云客户，公司特意在香港成立分公司，专项支持亚马逊云、谷歌云、微软云等国际站业务。
七、结语：基础大模型的下一站
亚马逊云的基础大模型布局，从2023年Bedrock的推出到2026年FMR的集中攻坚，经历了一次从“铺摊子”到“打深井”的战略进化。Bedrock用三年时间建起了一个覆盖上百种模型的开放平台，Nova系列在多模态领域完成了从0到1的探索，Titan作为最早的自研模型完成了历史使命。而FMR，则承载着亚马逊在基础模型最前沿扳回一局的野心。
对开发者和企业来说，亚马逊云提供的不只是一个或几个模型，而是一整套从芯片到平台到应用的生产级AI基础设施。这种“全栈式”的能力，加上平台中立的开放性，可能是它在未来大模型竞赛中最坚实的护城河。2026年秋天的re:Invent大会，FMR的首次亮相将是一个重要的观察窗口——亚马逊能否在基础大模型的“决赛圈”里站稳脚跟，到时候就会有答案了。
常见问题解答
问：Amazon Bedrock和直接调用模型API有什么区别？
答：Bedrock是一个统一平台，通过一个API就能调用Anthropic、Meta、Mistral、Amazon等多家公司的上百种模型，还集成了知识库、安全护栏、成本优化等企业级功能，省去了分别对接多家模型提供商API的麻烦。
问：亚马逊Nova系列模型目前还能用吗？
答：可以。亚马逊承诺持续运维已商用的全部Nova模型，保障存量客户业务稳定运行。目前Nova 2 Sonic、Nova 2 Lite、Nova Forge和Nova Act仍在正常运营中。
问：FMR是什么？跟Nova有什么关系？
答：FMR是亚马逊内部代号为“前沿模型研究”的全新旗舰基础模型项目，由AI研究员Pieter Abbeel牵头，是亚马逊AGI部门当前最高优先级的研发任务。它代表了亚马逊在自研模型上的新方向，预计2026年秋季re:Invent大会亮相，可能延续Nova品牌。
问：亚马逊云基础大模型在安全合规方面有哪些保障？
答：Bedrock通过了ISO、SOC、CSA STAR Level 2、GDPR、FedRAMP High等认证，符合HIPAA要求。数据不会用于训练模型，支持传输中和静态数据加密，提供完整的监控和日志记录功能。
问：企业如何选择Bedrock里的模型？
答：Bedrock提供内置评估工具，可以帮助对比不同模型在性能、成本和准确度上的表现。用户可以根据自己的使用场景（如客服、代码生成、内容创作等）和预算来选择最合适的模型，而且无需重写代码就可以随时切换。
问：通过上海汪远信息科技开通亚马逊云有什么优惠？
答：上海汪远信息科技是亚马逊云头部一级代理商，通过其开通亚马逊云可享受8.5折优惠或15%返佣。公司在香港设有分公司专项支持国际站业务，团队拥有500人规模，八大云平台年综合销量超20亿。
